Si tu programa (o tu panel con IA) te saca cada semana una lista de cientos o miles de cosas que "no cuadran", lo normal es que ya nadie la mire. No porque la gente sea vaga: porque entre mil líneas casi ninguna importa, y revisarlas una a una llevaría más tiempo del que ahorra tenerla. El problema no es que la lista marque poco. Es que marca de todo, y marcar de todo es lo mismo que no marcar nada.
El mito: cuanto más te señale tu sistema, mejor controlado tienes el negocio
Parece de sentido común: si un programa puede detectar que algo no cuadra (un margen imposible, un precio mal puesto, un stock que no encaja), más detección siempre es mejor. Cuanto más fino el filtro, más seguro duermes.
No es así. Una regla de "sácame lo que no cuadra" puede ser técnicamente perfecta y seguir siendo inútil si no distingue entre lo que está vivo en tu negocio hoy y lo que es historia muerta de tu catálogo. Si noventa y cinco de cada cien resultados son de un producto que no se vende desde hace un año, nadie se va a molestar en buscar los cinco que sí importan. Y el día que de verdad pase algo grave, estará escondido en la misma lista de siempre, la que ya nadie abre.
¿Por qué una lista de miles de líneas acaba sin que nadie la mire?
Le pasó, con números concretos, a un grupo de farmacias con el que trabajamos. Querían una lista de productos con un margen que no podía ser real: el precio de venta mal puesto, o el coste de compra leído mal al entrar en el sistema. La regla en sí era sencilla de calcular. El problema apareció al mirar el resultado: la mayoría de esos "márgenes imposibles" salían de productos que llevaban meses o años sin una sola unidad en stock ni una sola venta. Fichas muertas del catálogo que, por pura coincidencia aritmética, también cumplían la condición de "esto no cuadra".
Sin descartar esas fichas antes, la lista completa tenía más de 52.000 productos. Nadie la iba a revisar entera, ni falta que hacía: casi todo era ruido. Se añadió un paso previo que quita del cálculo los productos sin stock y sin venta reciente, antes de aplicar la regla de margen. Con ese filtro, la lista bajó a unos 2.900 productos, y esos 2.900 sí son los que de verdad están vivos en el negocio hoy, los que puede consultar el dueño o preguntarle directamente al asistente de inteligencia artificial que usan para revisar su catálogo.
El cambio no fue hacer la regla más inteligente. Fue decidir, antes de aplicarla, sobre qué parte del catálogo tenía sentido preguntar.
La regla: antes de preguntar si algo no cuadra, pregunta si sigue vivo
Esto no es solo de farmacias ni de márgenes. El mismo patrón aparece en cualquier lista que compare dos cifras sobre un catálogo, una cartera de clientes o un listado de pedidos grande: el stock que se queda corto, las reseñas que bajan, los clientes que llevan tiempo sin comprar, los precios que no cuadran con la tarifa del proveedor. Cualquier negocio con cientos o miles de referencias, clientes o pedidos tiene el mismo riesgo: una parte de esa lista ya no representa nada que esté pasando hoy, y si la regla no lo sabe, cuenta esa parte igual que cuenta lo que sí importa.
La regla de decisión es esta: si un resultado puede salir sobre algo que ya no está vivo (sin movimiento, sin stock, sin actividad reciente), esa lista no está lista hasta que primero descarte eso. No es un matiz técnico. Es la diferencia entre una lista que alguien abre cada semana y una lista que nadie vuelve a tocar después del segundo mes.
¿Cómo sabes si tus propias listas tienen este problema?
No necesitas ningún programa nuevo para comprobarlo. Con lo que ya tienes:
- Coge la última lista que te sacó tu sistema (de stock, de margen, de lo que sea) y cuenta cuántos de esos elementos han tenido alguna venta o movimiento en los últimos tres meses. Si la mayoría no ha tenido ninguno, el filtro que falta es ese.
- Pregunta, sin rodeos, cuándo fue la última vez que alguien del equipo revisó esa lista entera. Si la respuesta es "hace meses" o "la recibimos pero no la abrimos", el problema no es de quien la recibe: es que la lista no está pensada para que la abra nadie.
- Pide que te enseñen, de los últimos resultados, cuántos acabaron en una acción real (cambiar un precio, hacer un pedido, llamar a un cliente) frente a cuántos se cerraron sin tocar nada porque ya no aplicaban. Si la segunda cifra es mucho más grande que la primera, ahí está el ruido que hay que quitar antes de seguir afinando la regla.
Es exactamente el mismo trabajo que hacemos cuando juntamos los datos de varios programas de un negocio en un solo sitio: no basta con que la IA sepa calcular; hace falta decidir, catálogo por catálogo, qué parte de los datos ya no cuenta nada del presente. Puedes ver cómo queda cuando se hace así en el caso de una plataforma de datos para un grupo de farmacias.
Si quieres revisar qué parte de las listas que ya recibes en tu negocio es señal y qué parte es ruido, en nuestros servicios contamos cómo lo abordamos con los datos que ya tienes. Y si prefieres hablarlo directamente, escríbenos y lo miramos con tus propias listas.
